 Исследователи Массачусетского технологического института в лаборатории искусственного интеллекта создали систему распознавания объектов, которая может точно определить объекты, используя обычную камеру RGB. Эта система может помочь будущим роботам более эффективно взаимодействовать с объектами, когда они ориентируются в сложном мире.
«В идеале мы хотим, чтобы роботы занимались чем-то вроде мытьем наших тарелок в какой-то момент в будущем. Мы хотим иметь системы распознавания, где они на самом деле видят объекты, о которых робот должен заботиться и правильно манипулировать ими», говорит Судип Пиллай, ведущий автор исследования.
Система основывается на классических системах распознавания, а также другой системы под названием «одновременная локализация и отображение» (SLAM), которая позволяет таким устройствам, как автономные транспортные средства или роботы, иметь трехмерную пространственную осведомленность. Новая система команды отображает окружающую среду и собирает информацию об объектах с нескольких точек зрения. С каждым новым углом, программа будет в состоянии предсказывать, чем являются объекты, разбивая их на их более основные компоненты. Затем она сравнивает это описание со скомпилированными в базе данных существующими описаниями объектов. Например, если система видит стул, она может разбить его на сиденье, четыре ножки, и спинку.
Поскольку система создает трехмерную карту того, что она видит, она также может лучше отделить один объект от другого. Каждая новая точка зрения добавляет описательную информацию о каждом объекте. Эта система уменьшает неопределенность и увеличивает вероятность правильной классификации объектов и различения одного объекта от другого.
Система SLAM отличается от классических систем распознавания изображений, так как они не создают трехмерную карту и могут обнаружить объекты только с одного неподвижного кадра. По сравнению с ними, системы без SLAM имеют гораздо большую трудность распознавания нескольких объектов в суматохе окружающей среды, чем системы со SLAM.
В одном эксперименте, система со SLAM смогла правильно определить группу объектов с 86-процентной точностью, что сопоставимо с современными системами специального назначения, которые могут учитывать глубину с инфракрасным светом. Хотя эти системы специального назначения могут достигать точности до 92.8 процентов, это происходит за счет времени. Некоторые из этих систем имели время работы около 4 секунд, в то время как система со SLAM заняла около 1,6 секунд. Системы, использующие инфракрасное излучение, также имеют проблемы в работе на открытом воздухе из-за сложных условий освещения.
«Тот факт, что вы не можете использовать систему на открытом воздухе, делает ее непрактичной с точки зрения робототехники, потому что вы хотите, чтобы эти системы работали не только в закрытом помещении, но и на открытом воздухе», говорит Пиллай.
В будущем, Пиллай и его команда хотят использовать их систему для решения классической задачи робототехники под названием «закрытие контура». Речь идет о ситуации, когда роботы не в состоянии распознавать места, в которых они ранее были, что очень важно для навигации и взаимодействия с миром. Система со SLAM может начать решать эту проблему, позволяя роботам распознавать определенные объекты в разных местах, и классифицировать их как более важные к конкретному месту.
«Мы не хотим конкурировать с другими системами распознавания, мы хотим иметь возможность интегрировать их хорошим образом», говорит Пиллай.
|
